LSTM 기반의 식품공장 전력 소비 예측을 위한 최적 변수조합 도출

Derivation of Optimal Variable Combination for Prediction of Electricity Consumption in Food Factory based on LSTM

공장에너지관리시스템 (FEMS)은 정보통신기술 (ICT) 을 기반으로 공장의 에너지 사용을 실시간으로 모니터링, 분석, 제어하며 에너지를 효율화하는 시스템으로, 국내 에너지 소비의 큰 비중을 차지하는 산업부문의 에너지 소비 절감 기술로서 주목받고 있다. 공장에너지관리시스템에 적용되는 다양한 기능들 중 에너지 소비 예측은 에너지 소비 현황 모니터링과 더불어 공장의 에너지 공급량과 비용을 적절하게 설계하기 위한 중요한 첫 단계이다. 인공지능을 활용하여 여러 유형의 건물을 대상으로 에너지 분석과 예측에 대한 연구가 활발히 진행되고 있는 추세이며, 머신러닝 기반의 에너지 예측 기능을 에너지관리시스템에 적용함으로써 보다 효율적인 공장 운영과 에너지 관리에 기여할 것으로 기대된다. 하지만 다른 유형의 건물과 달리 공장, 특히 식품공장 대상의 에너지 분석 및 예측에 대한 연구는 매우 미흡한 상황이다. 이러한 배경 하에 본 연구에서는 식품공장을 대상으로 LSTM을 활용하여 전력 사용량 예측을 수행하였다. 연구의 목적은 대상 식품공장에서 수집된 데이터들을 활용하여 전력 사용량 예측을 위한 최적의 변수 조합을 도출하고, 활용 변수를 최소화함에 있다. 활용 변수를 최소화함은 계측 인프라 구축의 단순화를 의미한다. 구축하는 계측 인프라 종류의 단순화를 통해 제반 비용을 줄임으로써 사업자의 공장에너지관리시스템 적용 부담을 낮추고 접근성을 높일 수 있다. 테스트 대상인 변수에는 전일 전력 사용량, 제품 생산량, 인력 투입시간, 투입인원 수, 온도, 습도가 포함되며, 31 가지의 변수 조합에 대해 5 번씩 모델 테스트를 시행하여 예측 성능을 확인하였다. 연구 결과, 6가지의 모든 변수를 사용하였을 때 예측 성능이 가장 우수하였으나, 전 일 전력 사용량만을 사용하였을 때에도 두 번째로 높은 예측 성능이 확보됨을 확인하였다(avg.CvRMSE 18.33%, avg.R² 0.797). 이에 해당 모델을 기반으로 하이퍼파라미터 튜닝 동의 모델 고도화 작업을 통해 보다 높은 예측 성능을 확보할 수 있을 것으로 예상한다.